RAGって、そもそもナニ？
kg_master
はじめに
「ChatGPTに社内資料のことを聞いても、知らないって言われた……」そんな経験はありませんか？
AI（大規模言語モデル、通称LLM）はとても賢く見えますが、実は「知らないことは答えられない」という弱点を持っています。この弱点を補う技術として注目されているのがRAG（ラグ）です。
今回は、AI活用の第一歩として知っておきたい「RAG」について、初心者の方にもわかりやすく解説します。
RAGは何の略？
RAGは、Retrieval-Augmented Generation（検索拡張生成）の略であり、日本語に分解すると、こんな意味になります。
| 英単語 | 意味 |
| Retrieval | 検索 |
| Augmented | 拡張された |
| Generation | 生成 |
つまり、「検索した情報を使って、生成AIの回答を強化する仕組み」ということです。
なぜRAGが必要？
これを理解するには、まずAI（LLM）が持っている2つの弱点を知る必要があります。
弱点1：知識が「ある時点」で止まっている
ChatGPTのようなAIは、あらかじめ学習した膨大なデータをもとに答えを作ります。しかし、その学習データはある時点で区切られているため、それ以降に起きた出来事や、社内限定の新しい情報は知りません。
弱点2：知らないことを「知っているふり」で答えてしまう（ハルシネーション）
AIは「わかりません」と正直に言うより、それっぽい文章を作ってしまう傾向があります。これをハルシネーション（幻覚）と呼びます。存在しない製品名や、間違った数値を自信満々に答えてしまうことがあるのです。
RAGは、この2つの弱点を補うために生まれました。
RAGのしくみ
RAGの動きは、「カンニングが許された試験」に例えるとわかりやすいです。普通のAI（LLMのみ）は、こんな試験を受けています。
何も持ち込まず、頭の中の記憶（学習データ）だけで問題を解く
一方、RAGを使ったAIはこうです。
問題に関係のある資料を、その場で図書館（データベース）から探し出し、
それを読んでから答えを書く
この「関係のある資料を探し出す」作業がRetrieval（検索）、「それを読んで答えを作る」作業がGeneration（生成）にあたります。
処理の流れを４ステップで見てみる
- 質問を受け取る：ユーザーが「〇〇について教えて」と質問する
- 関連情報を検索する：質問に関係する文書を、事前に用意されたデータベース（社内マニュアル、FAQ、製品カタログなど）から探す
- 見つけた情報をAIに渡す：検索でヒットした文書の内容を、質問と一緒にAIへ入力する
- 回答を生成する：AIは渡された「最新・正確な情報」を根拠にして、回答文を作成する
普通のAIが「記憶だけ」で答えるのに対し、RAGは「参考資料を手元に置いて」答える、というのが最大の違いです。
具体例で考えてみる
たとえば、社内のマニュアル検索チャットボットを作る場合を考えてみましょう。
RAGなしの場合
- 質問：「弊社の有給休暇の申請方法は？」
- AI：「一般的には人事部に申請することが多いです」（＝当てずっぽうの一般論）
RAGありの場合
- 質問：「弊社の有給休暇の申請方法は？」
- AI：（社内規定PDFを検索し、該当箇所を見つける）
- AI：「申請は勤怠管理システム『〇〇』から、休暇取得日の3営業日前までに行ってください（社内規定第5条より）」
このように、RAGを使うとその組織・その状況に合った、根拠のある回答が得られるようになります。
RAGのメリット
- 最新情報に対応できる：データベースを更新するだけで、AIの知識も最新化できる（AI自体の再学習は不要）
- ハルシネーションが減る：根拠となる資料を示しながら答えるため、間違いが減りやすい
- 専門分野・社内情報に強くなる：一般公開されていない社内文書や専門資料もカバーできる
- 回答の根拠を示せる：「この情報はこの文書から来ています」と出典を提示できる
知っておきたい注意点
RAGは万能ではありません。以下の点には注意が必要です。
- 検索の精度がすべての土台：関係ない資料を検索してしまうと、的外れな回答になる
- データベースの整備が必要：検索対象となる文書を、事前に整理・分割しておく必要がある
- 完全にハルシネーションがゼロになるわけではない：資料を渡しても、AIが誤読・誤変換する可能性は残る
まとめ
- RAGは「Retrieval-Augmented Generation（検索拡張生成）」の略
- AIが持つ「知識の古さ」と「ハルシネーション」という2つの弱点を補う技術
- 質問に応じて関連文書を検索し、それを根拠にAIが回答を生成する仕組み
- 社内チャットボットやカスタマーサポートなど、正確性が求められる場面で特に活躍する
RAGは、AIを「物知りだけど時々うそをつく人」から、「その場でちゃんと資料を調べてから答えてくれる人」に変える技術、と考えると理解しやすいかもしれません。AI活用を検討する際は、ぜひこの仕組みを覚えておいてください。
